一、下载链接

1、邀请你一起来体验腾讯元宝的应用【AI视频】，让每个创意瞬间生动。

点击以下链接：【抢先体验手机APP版本】：https://yuanbao.tencent.com/bot/app/share/chat/VR8O83A/videoTrafficDiversion

2、Hunyuan Video在线体验

网页版在线体验：【网页版本】https://video.hunyuan.tencent.com/（需要申请体验资格，等待通过审核后才能使用）

3、开源网址部署网址（两个都是开源网站都可以选其一即可）

3.1、【GitHub网址】：https://github.com/Tencent/HunyuanVideo

3.2、【HuggingFace网址】：https://huggingface.co/tencent/HunyuanVideo

此开源的视频生成模型：包含 PyTorch 模型定义、预训练权重和推理/采样代码

二、📜本地安装部署 要求

下表为运行HunyuanVideo模型（batch size = 1）生成视频的要求：

模型	设置 （高度/宽度/框架）	去噪步骤	GPU 峰值内存
混元视频	720px1280px129f	三十	60GB
混元视频	544px960px129f	三十	45GB

• 需要支持 CUDA 的 NVIDIA GPU。
  • 我们已经在单个 H800/H20 GPU 上进行了测试。
  • 最低限度：720px1280px129f 所需的最低 GPU 内存为 60GB，544px960px129f 所需的最低 GPU 内存为 45G。
  • 建议：我们建议使用具有 80GB 内存的 GPU 以获得更好的生成质量。
• 测试的操作系统：Linux

• 🛠️ 依赖项和安装

  首先通过下方的命令来克隆存储库：

• git clone https://github.com/tencent/HunyuanVideo
  cd HunyuanVideo

  或者网盘打包下载【点击前往】：CloudrevePlus

  Linux 安装指南

  我们提供了一个environment.yml用于设置 Conda 环境的文件。Conda 的安装说明可在此处获得。

  我们推荐 CUDA 版本 11.8 和 12.0+

• # 1. Prepare conda environment
  conda env create -f environment.yml
  
  # 2. Activate the environment
  conda activate HunyuanVideo
  
  # 3. Install pip dependencies
  python -m pip install -r requirements.txt
  
  # 4. Install flash attention v2 for acceleration (requires CUDA 11.8 or above)
  python -m pip install git+https://github.com/Dao-AILab/flash-attention.git@v2.5.9.post1

  此外，HunyuanVideo还提供了预先构建的Docker镜像： docker_hunyuanvideo。

• # 1. Use the following link to download the docker image tar file (For CUDA 12).
  wget https://aivideo.hunyuan.tencent.com/download/HunyuanVideo/hunyuan_video_cu12.tar
  
  # 2. Import the docker tar file and show the image meta information (For CUDA 12).
  docker load -i hunyuan_video.tar
  
  docker image ls
  
  # 3. Run the container based on the image
  docker run -itd --gpus all --init --net=host --uts=host --ipc=host --name hunyuanvideo --security-opt=seccomp=unconfined --ulimit=stack=67108864 --ulimit=memlock=-1 --privileged  docker_image_tag

• 🧱 下载预训练模型

  下载预训练模型的详细信息显示在此处，或者在HuggingFace上下载【点击前往】共26G左右。

  ---

  🧱下载文本编码器

  HunyuanVideo采用MLLM模型和CLIP模型作为文本编码器。

• 1.MLLM 模型（text_encoder 文件夹）

• HunyuanVideo 支持不同的 MLLM（包括 HunyuanMLLM 和开源 MLLM 模型），现阶段我们尚未发布 HunyuanMLLM，建议社区用户使用Xtuer提供的llava-llama-3-8b，可通过以下命令下载

• cd HunyuanVideo/ckpts
  huggingface-cli download xtuner/llava-llama-3-8b-v1_1-transformers --local-dir ./llava-llama-3-8b-v1_1-transformers

  为了节省模型加载的GPU内存资源，我们将的语言模型部分分离 llava-llama-3-8b-v1_1-transformers 成 text_encoder 。

• cd HunyuanVideo
  python hyvideo/utils/preprocess_text_encoder_tokenizer_utils.py --input_dir ckpts/llava-llama-3-8b-v1_1-transformers --output_dir ckpts/text_encoder

• 2.CLIP 模型（text_encoder_2 文件夹）

• 我们使用OpenAI提供的CLIP作为另一个文本编码器，社区用户可以通过以下命令下载此模型

• cd HunyuanVideo/ckpts
  huggingface-cli download openai/clip-vit-large-patch14 --local-dir ./text_encoder_2

  🔑 推理

  我们在下表中列出了我们支持的高度/宽度/框架设置。

  分辨率	时长=9:16	高/宽=16:9	高/宽=4:3	高/宽=3:4	高/宽=1:1
  540p	544px960px129f	960px544px129f	624px832px129f	832px624px129f	720px720px129f
  720p（推荐）	720px1280px129f	1280px720px129f	1104px832px129f	832px1104px129f	960px960px129f

  使用命令行

• cd HunyuanVideo
  
  python3 sample_video.py \
      --video-size 720 1280 \
      --video-length 129 \
      --infer-steps 50 \
      --prompt "A cat walks on the grass, realistic style." \
      --flow-reverse \
      --use-cpu-offload \
      --save-path ./results

  更多配置

  我们列出了一些更有用的配置以便于使用：

  参数	默认	描述
  --prompt	没有任何	视频生成的文字提示
  --video-size	720 1280	生成的视频的大小
  --video-length	129	生成视频的长度
  --infer-steps	50	采样步数
  --embedded-cfg-scale	6.0	嵌入式分类器免费指导量表
  --flow-shift	7.0	流匹配调度程序的移位因子
  --flow-reverse	错误的	如果反向，从 t=1 -> t=0 学习/采样
  --seed	没有任何	生成视频的随机种子，如果没有，我们初始化一个随机种子
  --use-cpu-offload	错误的	使用 CPU 卸载来加载模型以节省更多内存，这对于高分辨率视频生成是必要的
  --save-path	。/结果	生成视频的保存路径